今天给大家解读一篇4月发表在《Clinical Epigenetics》上的题目为“Early blood DNA methylation patterns associated with glycemic progression in a prospective Indian cohort.”的文章。本研究是一项初步的前瞻性队列研究,旨在探索印度人群中与血糖进展相关的早期血液DNA甲基化标志物。研究选取了12名基线血糖均正常的个体,根据6年后血糖状态分为正常、前驱糖尿病和2型糖尿病三组。通过对基线和随访的血液DNA进行纳米孔测序和甲基化分析,研究发现,即使在基线时所有人都血糖正常,但那些未来血糖恶化(尤其是发展为T2DM)的个体已经表现出与其他人群不同的DNA甲基化模式。其中,ABCG1的高甲基化是一个突出且一致的发现。此外,研究还发现了随时间变化的纵向甲基化差异以及随着血糖状态恶化而发生的基因甲基化方向的动态转变。研究进一步将甲基化数据与代谢物预测因子整合分析,揭示了ABCG1和EGFLAM的甲基化与空腹血糖、胰岛素敏感性及磷脂酰乙醇胺等代谢物的相关性。作者强调这些发现是探索性和假设生成性质的,需要在更大规模、独立队列中进行验证。(请持续关注我们,每天为您解读最新见刊的文献!)想薅生信资料羊毛?直接在对话框回复 “资料”,免费领取干货大礼包!包括数据集、绘图代码、图表复现、思路总结、参考文献……0代码!鼠标点点点即可轻松完成5-10分生信SCI全文复现!
不想做实验,没数据,还想要快速发表文章,没问题的!公共数据库就是我们的数据宝藏!没思路不用担心,作为专业的生信团队,我们很乐意为你们效劳,提供研究路线设计和数据挖掘分析,扫码联系我们吧!
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
团队成员合影(位于上海陆家嘴中心,可随时预约参观)
![]()
题目:《前瞻性印度队列中与血糖进展相关的早期血液DNA甲基化模式》Early blood DNA methylation patterns associated with glycemic progression in a prospective Indian cohort
发表期刊:Clinical Epigenetics
影响因子:4.4
研究背景:
- 印度巨大的T2DM负担
印度是全球糖尿病负担最重的国家之一,成人患病率估约11-12%,且发病年龄早于西方人群。这种更早、更侵袭性的病程不完全能用生活方式或遗传易感性解释,提示表观遗传机制(如DNA甲基化)在介导环境与基因表达相互作用中可能扮演重要角色。 - 现有研究的局限性
目前关于T2DM的DNA甲基化研究多在欧洲人群或侨居海外的南亚裔人群中进行,且多为横断面研究。在印度本土人群中,缺乏前瞻性、纵向的队列研究来评估在疾病发生前DNA甲基化的变化。已有的印度研究多为病例对照设计,无法评估疾病发生前的甲基化改变。 - 早期发现的重要性
因为预防干预措施在高血糖出现前最有效,因此识别与正常血糖向T2DM转化相关的早期DNA甲基化模式至关重要。
研究思路:
- 队列建立与样本选择
基于一个已有110名基线血糖正常(18-40岁)参与者的前瞻性队列,在6年随访后,根据ADA标准将参与者重新分类。本研究从这三个结局组(正常血糖、前驱糖尿病、T2DM)中各选取2男2女,共12人的基线和随访配对血液样本进行DNA甲基化分析。 - 甲基化检测与数据处理
使用纳米孔测序对样本进行全基因组甲基化谱分析。通过生物信息学流程进行碱基检出、比对、甲基化(5mC)检测和注释。质量控制包括评估测序深度、全局5mC分布,并与公开数据集进行基准测试。 - 差异甲基化分析
- 基线组间比较
比较基线时三组(未来血糖正常、前驱糖尿病、T2DM)的甲基化差异。 - 纵向组内比较
比较每组内从基线到随访的甲基化动态变化。 - 随访组间比较
比较6年随访时三组间的甲基化差异。 -
由于无CpG位点达到全基因组显著性,分析聚焦于效应大小(甲基化差异≥25%)和方向一致性(≥75%的个体内一致),并在基因水平进行聚合分析。 - 多组学整合
将之前已发表的来自同一队列的代谢组学数据整合进来,与基线时特定的基因甲基化模式和临床指标进行相关性分析,构建关联网络。
研究亮点:
- 前瞻性设计
研究嵌套在一个前瞻性队列中,在参与者血糖正常时就采集了基线样本,并在6年后随访评估血糖状态,这种设计能够捕捉到疾病发生前的表观遗传变化,优于横断面研究。 - 聚焦印度人群
该研究在印度本土人群中进行,填补了该地区关于2型糖尿病前瞻性DNA甲基化研究的空白,提供了具有人群特异性的纵向表观遗传学数据。 - 多组学整合
研究将DNA甲基化数据与先前发表的、来自同一队列的代谢组学数据(特别是已确定的T2DM预测代谢物)进行整合分析,探索了表观遗传-代谢物-临床指标之间的早期关联网络。 - 技术应用
使用了纳米孔测序技术进行全基因组DNA甲基化分析,并进行了初步的基准测试,显示其与公开的基于亚硫酸氢盐测序的甲基化组在基因和CpG岛水平上具有良好的一致性。
研究结果:
- 基线DNA甲基化差异
-
在基线时,未来发展为T2DM的个体中,有7个基因(ABCG1, ADARB2, BCL2, DLC1, EGFLAM, SYK, ZNF516)表现出方向一致的高甲基化。 -
未来发展为前驱糖尿病的个体中,有6个基因(ABCG1, FLT3, LCP1, MBP, NCOA2, TCF7L2)高甲基化,5个基因(ZFHX3, PAX6, PTPRN2, ERC1, HIPK1)低甲基化。 - ABCG1是唯一一个在两组未来糖尿病患者中均表现为一致高甲基化的基因。
- 纵向甲基化变化
-
与血糖正常组相比,前驱糖尿病和T2DM组在随访时表现出更多的纵向甲基化变化和更大的个体间差异。 -
在T2DM组中,鉴定出包含ANK1, IQSEC1, RUNX1等基因的长期相关甲基化变化。CACNA1C, KANSL1, PTPRN2, TTC34在所有三组中都显示出共享的变化。 - 甲基化方向性转变
随着血糖状态恶化,一些基因的甲基化方向发生改变。例如,ASB3, EFR3A, PCSK5从正常血糖状态的高甲基化转变为前驱糖尿病或T2DM的低甲基化;而KLHL14, PDE4C, UNC5C则从低甲基化转变为高甲基化。 - 基因-代谢物-临床相关性
- ABCG1
甲基化与空腹血糖、代谢物3β,7α-二羟基-5-胆甾烯酸和血糖状态呈正相关,与磷脂酰乙醇胺 [PE (20:3_18:0)] 和胰岛素敏感性指数呈负相关。 - EGFLAM
甲基化也显示出与空腹血糖、PE (20:3_18:0) 和胰岛素敏感性指数的类似相关性模式。
研究总结:
- 结论
这项探索性研究表明,在印度人群中,血液中与基因相关的DNA甲基化变化可能在血糖异常出现的数年前就可被检测到。研究支持了表观遗传和代谢组学联合分析能为揭示血糖进展相关的早期分子改变提供有用见解这一观点。 - 讨论与解读
- 与已知证据的呼应
研究发现的ABCG1高甲基化、PTPRN2低甲基化、TCF7L2高甲基化等,与之前主要在西方人群中进行的EWAS研究结果一致,验证了这些基因在T2DM发生中的重要性。 - 创新与发现
研究在印度人群中发现了新候选基因,如EGFLAM和ZNF516,并观察到了ASB3等基因在血糖进展不同阶段的方向性甲基化转变,这可能反映了疾病进程中动态的调控变化。 - 多组学整合的价值
ABCG1甲基化与磷脂酰乙醇胺(一种已确定的风险预测代谢物)的负相关,将表观遗传标记与具体的代谢通路(脂质转运和代谢)联系起来,为理解其功能提供了线索。 - 局限性
作者明确指出这是一项预实验性质的研究,主要局限性在于样本量极小(n=12),导致统计效力不足,无法达到CpG水平的全基因组显著性,只能依赖于基因水平的方向性趋势进行分析。此外,未能校正血细胞类型组成也是重要局限。 - 未来方向
研究表明,未来需要在更大、独立的印度及南亚人群中,使用靶向亚硫酸氢盐测序等方法对ABCG1、PTPRN2、RBFOX1、RUNX1、CACNA1C等哨兵CpG位点进行验证,并结合细胞类型解析分析和表达研究,以确认这些生物标志物的可靠性、生物学意义和潜在转化价值。
结果译文:
1.参与者在基线和6年随访时的临床和生化参数
基线和随访时各组间临床和生化参数的比较总结于表1和表S1。在随访时,发展为T2DM的参与者与基线正常血糖组和糖尿病前期组相比,空腹血糖和糖化血红蛋白显著升高,同时胰岛素敏感性指数降低。在此试点亚组中,年龄、性别和BMI在各组之间无显著差异。
2.基线和随访样本的全基因组5mC甲基化模式
3.基线时基因相关的DNA甲基化差异
4.与未来糖尿病前期相关的基线异常DNA甲基化
5.基线时显示甲基化差异的基因的基因组定位
6.纵向基因相关甲基化变化
基线样本与随访样本之间的DNA甲基化谱的纵向个体内比较揭示了不同血糖组之间的不同模式(图3)。虽然正常血糖个体表现出相对平衡的高甲基化和低甲基化基因相关甲基化变化分布,但糖尿病前期和T2DM组表现出更大的个体间变异性以及随时间推移含有CpG位点甲基化差异的基因数量更多(图3)。这些纵向模式反映了CpG甲基化变化的基因水平总结。
7.各血糖组的基因水平甲基化模式
8.甲基化方向改变基因的通路富集
9.DNA甲基化模式的方向性转变
10.基线时的基因-代谢物-临床相关性网络
11.跨分析的基因水平甲基化发现总结
更多结果和补充图表:doi: 10.1186/s13148-026-02064-6
扫描上方二维码或登录平台官网后添加CNSknowall客服微信咨询!官网地址:https://cnsknowall.com
CNSknowall:24年最新问世的遥遥领先的颠覆性科研数据(0代码生信+统计学)分析平台,同时含有机制图模块(原创3000多素材和机制图模板)+AI一键生成高质量比国自然标书初稿+汉化版Pubmed融合Deepseek高效筛选目标文献同时一键提炼全文核心创新点+SCI文献例句/语料检索模块+全文翻译+文献求助+图片查重+期刊查询+OPenAI官方GPT接口,>500款CNS级别图表皆可一秒内一键出图,登录即秒变数据分析大神,体验前所未有的便捷数据分析之旅,开启科研天骄之路!
可向下滑动发掘更多科研秘籍!
![]()
![]()













